KR20210154164A - Detection method and detection system - Google Patents
Detection method and detection system Download PDFInfo
- Publication number
- KR20210154164A KR20210154164A KR1020217033990A KR20217033990A KR20210154164A KR 20210154164 A KR20210154164 A KR 20210154164A KR 1020217033990 A KR1020217033990 A KR 1020217033990A KR 20217033990 A KR20217033990 A KR 20217033990A KR 20210154164 A KR20210154164 A KR 20210154164A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- unit
- images
- average
- template
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 claims description 19
- 230000007547 defect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 108010001267 Protein Subunits Proteins 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 2
- 235000012431 wafers Nutrition 0.000 description 32
- 238000010586 diagram Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/20—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters
- G09G3/34—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source
- G09G3/36—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals
- G09G3/3607—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes for presentation of an assembly of a number of characters, e.g. a page, by composing the assembly by combination of individual elements arranged in a matrix no fixed position being assigned to or needed to be assigned to the individual characters or partial characters by control of light from an independent source using liquid crystals for displaying colours or for displaying grey scales with a specific pixel layout, e.g. using sub-pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06K9/6267—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
본 개시는 검출 방법 및 검출 시스템을 개시한다. 검출 방법은 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계로서, 기준 물체는 복수의 유닛을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지인, 단계; 검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하는 단계; 제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지를 선택하는 단계로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작은, 단계; 및 제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하는 단계를 포함한다. 본 개시는 유닛 이미지를 검출하기 위해서 계조 값이 검출되는 유닛 이미지의 계조 값과 유사한 템플릿 이미지를 선택하여, 검출되는 유닛 이미지와 템플릿 이미지 사이의 차이가 최소가 되게 함으로써, 오검출 및 검출 누락의 빈도수를 감소시키고 궁극적으로 색차 검출의 검출 효과를 증가시킬 수 있다.The present disclosure discloses a detection method and detection system. The detection method includes the steps of: generating a plurality of template images based on a reference object, wherein the reference object includes a plurality of units, wherein the plurality of template images are unit images having different average grayscale values; calculating a first average grayscale value of the detected unit image; selecting a first template image from a plurality of template images based on the first average grayscale value, wherein a difference between the average grayscale value of the first template image and the first average grayscale value is smallest; and performing color difference detection on the detected unit image based on the first template image. The present disclosure provides for detecting a unit image by selecting a template image whose gradation value is similar to the gradation value of the unit image from which the gradation value is detected so that the difference between the detected unit image and the template image is minimized, thereby reducing the frequency of false detection and detection omission and ultimately increase the detection effect of color difference detection.
Description
본 개시는 색차 검출 기술 분야에 관한 것이며, 특히 검출 방법 및 검출 시스템에 관한 것이다.The present disclosure relates to the field of color difference detection technology, and more particularly to a detection method and detection system.
반도체 웨이퍼의 제작 공정이 완료된 후, 반도체 웨이퍼(웨이퍼로 또한 공지됨)를 검출할 필요가 있다. 예를 들어, 웨이퍼의 다이(die) 표면은 제품의 적격 여부를 확인하기 위해서 결함(예컨대, 이물질, 흠집 등)이 있는 지가 검출된다. 일반적인 방법은 먼저 적격 웨이퍼를 선택하고, 이러한 웨이퍼에서 몇몇 적격 다이를 선택한 다음, 이들 다이를 사용하여 표준 기준 다이 이미지를 생성하는 것이다. 검출 동안, 검출되는 각각의 다이의 다이 이미지는 표준 기준 다이 이미지와 비교되고, 검출되는 다이의 이미지와 표준 기준 다이의 이미지 사이의 계조(grayscale) 값 차이가 미리 결정된 임계값을 초과하면, 검출되는 다이에 결함이 있는 것으로 간주하여 후속 처리를 위해 식별된다.After the fabrication process of the semiconductor wafer is completed, it is necessary to detect the semiconductor wafer (also known as a wafer). For example, the die surface of a wafer is detected for defects (eg, foreign matter, scratches, etc.) in order to confirm product qualification. A common method is to first select eligible wafers, select a few eligible dies from those wafers, and then use these dies to create a standard reference die image. During detection, the die image of each die that is detected is compared with a standard reference die image, and if the difference in grayscale values between the image of the detected die and the image of the standard reference die exceeds a predetermined threshold, the detected die image is The die is considered defective and identified for further processing.
공지된 검출 방법은 대부분의 종래 웨이퍼의 검출 요건을 만족시킬 수 있지만, 산업적 제조 공정의 공지된 공정 문제점으로 인해 동일 웨이퍼 상의 상이한 다이 이미지의 평균 계조 값의 차이는 종종 매우 크다. 예를 들어, 도 1a 및 도 1b에 도시된 2 개의 다이 이미지에서, 전통적인 표준 기준 이미지가 계속 사용되면, 표준 다이 이미지를 상이한 평균 계조 값을 갖는 다이 이미지와 매칭하는 경우에 2 개의 다이 이미지의 평균 계조 값의 차이가 매우 크며, 2 개의 다이 이미지 사이의 계조 스케일 차이가 클 때 매칭 오류나 오-정렬(misalignment)과 같은 문제점이 쉽게 발생하여 후속 검출에 영향을 미칠 것이다.Although known detection methods can satisfy the detection requirements of most conventional wafers, the difference in average grayscale values of different die images on the same wafer is often very large due to known process problems of industrial manufacturing processes. For example, in the two die images shown in FIGS. 1A and 1B , if the traditional standard reference image continues to be used, the average of the two die images in the case of matching the standard die image with a die image having different average grayscale values The difference in gradation values is very large, and when the gradation scale difference between two die images is large, problems such as matching errors or misalignment will easily occur, which will affect subsequent detection.
웨이퍼에 대한 공지된 현재의 색차 검출 기술이 동일한 유형의 웨이퍼에 대한 표준 기준 다이 이미지만을 생성하기 때문에, 검출되는 모든 다이는 표준 기준 다이 이미지와 비교될 필요가 있다. 종래 기술에서 동일한 웨이퍼의 상이한 다이 이미지들 사이의 계조 값 차이를 보상하기 위해서, 기준 임계값 설정 범위가 확장되어야 하므로 다이 이미지의 결함과 그의 주변 정상 픽셀 사이의 차이가 너무 크지 않을 때, 다이 이미지와 표준 기준 다이 이미지 사이의 계조 값 차이도 매우 작아서, 대비가 작은 결함을 놓치기 쉽거나 매칭 및 정렬 중에 매칭의 부정확함이 발생한다.Because known current color difference detection techniques for wafers only produce standard reference die images for wafers of the same type, every die that is detected needs to be compared to a standard reference die image. In the prior art, in order to compensate for the difference in gradation value between different die images of the same wafer, the reference threshold setting range should be extended, so that when the difference between the defect in the die image and its surrounding normal pixels is not too large, the die image and The difference in gradation values between the standard reference die images is also very small, which makes it easy to miss low-contrast defects or inaccurate matching during matching and alignment.
위의 문제점에 대해서, 본 개시의 제 1 양태는:For the above problem, the first aspect of the present disclosure is:
기준 물체에 기초하여 복수의 템플릿 이미지(template image)를 생성하는 단계로서, 기준 물체는 복수의 유닛(unit)을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지인, 단계;generating a plurality of template images based on a reference object, wherein the reference object includes a plurality of units, wherein the plurality of template images are unit images having different average grayscale values;
검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하는 단계;calculating a first average grayscale value of the detected unit image;
제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지를 선택하는 단계로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작은, 단계; 및selecting a first template image from a plurality of template images based on the first average grayscale value, wherein a difference between the average grayscale value of the first template image and the first average grayscale value is smallest; and
제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하는 단계를 포함하는 검출 방법을 제안한다.We propose a detection method including performing color difference detection on a unit image detected based on a first template image.
본 개시의 제 1 양태에 따른 실시예에서, 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계는:In an embodiment according to the first aspect of the present disclosure, generating a plurality of template images based on the reference object includes:
복수의 유닛 이미지를 포함하는 기준 물체 이미지를 생성하도록 기준 물체를 스캔하는 단계;scanning the reference object to generate a reference object image including a plurality of unit images;
제 1 유닛 이미지 세트를 형성하도록 복수의 유닛 이미지로부터 하나 또는 여러 개의 유닛 이미지를 선택하는 단계;selecting one or several unit images from a plurality of unit images to form a first unit image set;
제 1 평균 계조 값 간격에 기초하여 하나 이상의 계조 등급을 형성하도록 제 1 유닛 이미지 세트를 분류(classifying)하는 단계로서, 각각의 계조 등급이 하나 이상의 유닛 이미지를 포함하는, 단계;classifying the first set of unit images to form one or more gradation classes based on the first average gradation value interval, each gradation class including one or more unit images;
각각의 계조 등급의 모든 유닛 이미지에 기초하여 대응하는 평균 계조 이미지를 생성하는 단계; 및generating a corresponding average grayscale image based on all unit images of each grayscale class; and
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계를 포함한다.and forming a template image according to the average grayscale image of each grayscale grade.
본 개시의 제 1 양태에 따른 실시예에서, 각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계로서,In an embodiment according to the first aspect of the present disclosure, a step of forming a template image according to an average grayscale image of each grayscale class, comprising:
상기 단계는:The steps are:
기준 물체에 대해 생성된 대응하는 평균 계조 이미지 중 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격보다 더 작은지 여부를 결정하는 단계; determining whether an average gradation value difference between any number of average gradation images among corresponding average gradation images generated for a reference object is smaller than a second gradation value interval;
평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작을 때, 복수의 평균 계조 이미지 중 어느 하나를 템플릿 이미지로 유지하는 단계를 포함하고; 또는 maintaining any one of the plurality of average grayscale images as a template image when the average grayscale value difference is smaller than the second average grayscale value of the second grayscale value interval; or
상기 단계는:The steps are:
각각의 평균 계조 이미지가 템플릿 이미지로서 사용되는 단계를 포함한다. and each average gradation image is used as a template image.
본 개시의 제 1 양태에 따른 실시예에서, 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계는:In an embodiment according to the first aspect of the present disclosure, generating a plurality of template images based on the reference object includes:
단일 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계; 또는generating a plurality of template images based on a single reference object; or
적어도 2 개의 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계를 포함하며, 적어도 2 개의 기준 물체의 계조 값 범위는 적어도 부분적으로 중첩되지 않는다.and generating a plurality of template images based on the at least two reference objects, wherein grayscale value ranges of the at least two reference objects do not at least partially overlap.
본 개시의 제 1 양태에 따른 실시예에서, 하나 이상의 계조 등급을 형성하도록 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하는 단계는:In an embodiment according to the first aspect of the present disclosure, the step of classifying the first unit image set based on the first average grayscale value interval to form one or more grayscale grades includes:
제 1 유닛 이미지 세트의 각각의 유닛 이미지에 대한 평균 계조 값을 계산하는 단계;calculating an average grayscale value for each unit image of the first unit image set;
제 1 유닛 이미지 세트와 연관된 이미지 시퀀스를 생성하도록 각각의 유닛 이미지에 대한 계산된 평균 계조 값에 기초하여 제 1 유닛 이미지 세트를 정렬(sorting)하는 단계; 및sorting the first unit image set based on the calculated average grayscale value for each unit image to generate an image sequence associated with the first unit image set; and
이미지 시퀀스에서, 각각의 계조 등급의 모든 유닛 이미지들의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 간격 내에 있도록 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하는 단계를 포함한다.classifying the first unit image set based on the first average grayscale value interval such that, in the image sequence, a difference between the average grayscale values of all unit images of each grayscale class is within the first average grayscale value interval.
본 개시의 제 1 양태에 따른 실시예에서, 제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하는 단계는:In an embodiment according to the first aspect of the present disclosure, performing color difference detection on a unit image detected based on the first template image includes:
제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응하는 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는지 여부를 결정하는 단계; 및determining whether an average grayscale value difference between a pixel point of the first template image and a corresponding pixel point of the unit image to be detected exceeds a predetermined threshold value; and
평균 계조 값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진 것으로 결정하는 단계를 포함한다.and determining that the detected unit image has a defect when the average grayscale value difference exceeds a predetermined threshold.
위의 문제점에 대해서, 본 개시의 제 2 양태는:For the above problem, the second aspect of the present disclosure is:
기준 물체에 기초하여 복수의 템플릿 이미지를 생성하도록 구성되는 생성 모듈(creation module)로서, 기준 물체는 복수의 유닛을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지인, 생성 모듈;a creation module, configured to generate a plurality of template images based on a reference object, wherein the reference object includes a plurality of units, wherein the plurality of template images are unit images having different average grayscale values;
검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하도록 구성되는 계산 모듈(calculation module);a calculation module, configured to calculate a first average grayscale value of the detected unit image;
제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지를 선택하도록 구성되는 선택 모듈로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작은, 선택 모듈(selection module); 및A selection module, configured to select a first template image from a plurality of template images based on the first average grayscale value, wherein a difference between the average grayscale value of the first template image and the first average grayscale value is smallest; (selection module); and
제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하도록 구성되는 검출 모듈(detection module)을 포함하는 검출 시스템을 제안한다.We propose a detection system including a detection module configured to perform color difference detection on a unit image detected based on a first template image.
본 개시의 제 2 양태에 따른 실시예에서, 생성 유닛(creating unit)은:In an embodiment according to the second aspect of the present disclosure, the creating unit comprises:
복수의 유닛 이미지를 포함하는 기준 물체 이미지를 생성하도록 기준 물체를 스캔하도록 구성되는 스캔 유닛(scanning unit);a scanning unit configured to scan the reference object to generate a reference object image comprising a plurality of unit images;
제 1 유닛 이미지 세트를 형성하도록 복수의 유닛 이미지로부터 하나 또는 여러 개의 유닛 이미지를 선택하도록 구성되는 형성 유닛(forming unit);a forming unit, configured to select one or several unit images from a plurality of unit images to form a first unit image set;
제 1 평균 계조 값 간격에 기초하여 하나 이상의 계조 등급을 형성하기 위해서 제 1 유닛 이미지 세트를 분류하도록 구성되는 분류 유닛(classifying unit)으로서, 각각의 계조 등급이 하나 이상의 유닛 이미지를 포함하는, 분류 유닛;a classifying unit, configured to classify a first set of unit images to form one or more gradation classes based on a first average gradation value interval, wherein each gradation class includes one or more unit images ;
각각의 계조 등급의 모든 유닛 이미지에 기초하여 대응하는 평균 계조 이미지를 발생하도록 구성되는 발생 유닛(generating unit); 및a generating unit configured to generate a corresponding average gradation image based on all unit images of each gradation class; and
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하도록 구성되는 저장 유닛(storing unit)을 포함한다.and a storage unit, configured to form a template image according to the average gradation image of each gradation class.
본 개시의 제 2 양태에 따른 실시예에서, 저장 유닛은:In an embodiment according to the second aspect of the present disclosure, the storage unit comprises:
기준 물체에 대해 생성된 대응하는 평균 계조 이미지 중 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격보다 더 작은지 여부를 결정하고;determine whether an average gradation value difference between any number of average gradation images among corresponding average gradation images generated for the reference object is smaller than a second gradation value interval;
평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작을 때, 복수의 평균 계조 이미지 중 어느 하나를 템플릿 이미지로 유지하도록 구성되고; 또는and when the average grayscale value difference is smaller than the second average grayscale value of the second grayscale value interval, keep any one of the plurality of average grayscale images as the template image; or
저장 유닛은:The storage unit is:
모든 평균 계조 이미지를 템플릿 이미지로 사용하도록 구성된다.All average grayscale images are configured to be used as template images.
본 개시의 제 2 양태에 따른 실시예에서, 생성 유닛은:In an embodiment according to the second aspect of the present disclosure, the generating unit comprises:
단일 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하고; 또는generate a plurality of template images based on a single reference object; or
적어도 2 개의 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하도록 특별히 구성되며, 적어도 2 개의 기준 물체의 계조 값 범위는 적어도 부분적으로 중첩되지 않는다.and is specifically configured to generate a plurality of template images based on the at least two reference objects, wherein grayscale value ranges of the at least two reference objects do not at least partially overlap.
본 개시의 제 2 양태에 따른 실시예에서, 분류 유닛은:In an embodiment according to the second aspect of the present disclosure, the classification unit comprises:
제 1 유닛 이미지 세트의 각각의 유닛 이미지에 대한 평균 계조 값을 계산하도록 구성되는 계산 하위 유닛;a calculation sub-unit, configured to calculate an average grayscale value for each unit image of the first unit image set;
제 1 유닛 이미지 세트와 연관된 이미지 시퀀스를 생성하기 위해서 각각의 유닛 이미지에 대한 계산된 평균 계조 값에 기초하여 제 1 유닛 이미지 세트를 정렬하도록 구성되는 정렬 하위 유닛; 및an alignment sub-unit, configured to align the first unit image set based on the calculated average grayscale value for each unit image to generate an image sequence associated with the first unit image set; and
각각의 계조 등급의 모든 유닛 이미지들의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 간격 내에 있게 하기 위해서 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하도록 구성되는 분류 하위 유닛을 포함한다.a classification subunit, configured to classify the first unit image set based on the first average grayscale value interval so that a difference between the average grayscale values of all unit images of each grayscale class is within the first average grayscale value interval; do.
본 개시의 제 2 양태에 따른 실시예에서, 검출 모듈은:In an embodiment according to the second aspect of the present disclosure, the detection module comprises:
제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응하는 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는지 여부를 결정하도록 구성되는 제 1 검출 유닛; 및a first detecting unit, configured to determine whether an average grayscale value difference between a pixel point of the first template image and a corresponding pixel point of the unit image to be detected exceeds a predetermined threshold value; and
평균 계조 값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진 것으로 결정하도록 구성되는 제 2 검출 유닛을 포함한다.and a second detecting unit, configured to determine that the unit image to be detected has a defect when the average gradation value difference exceeds a predetermined threshold.
본 명세서에 개시된 검출 방법 및 검출 시스템은 웨이퍼의 상이한 계조 값을 갖는 다이 이미지에 대해 상이한 계조 값을 갖는 복수의 템플릿 이미지를 생성할 수 있으므로, 검출 동안 계조 값이 현재 다이 이미지의 평균 계조 값에 가까운 템플릿 이미지는 템플릿 이미지를 검출되는 다이 이미지와 일치시켜 현재 다이 이미지의 계조 값을 계산함으로써 후속 검출을 완료하도록 선택된다.The detection method and detection system disclosed herein can generate a plurality of template images having different grayscale values for a die image having different grayscale values of a wafer, so that the grayscale value during detection is close to the average grayscale value of the current die image The template image is selected to complete subsequent detection by matching the template image with the detected die image to calculate the gradation value of the current die image.
첨부 도면 및 다음의 상세한 설명을 참조하면, 본 개시의 다양한 실시예의 특징, 장점 및 다른 양태가 더욱 자명해질 것이다. 본 명세서에서, 본 개시의 몇몇 실시예는 제한이 아니라 예로서 도시된다.
도 1a는 본 개시에 따른 검출 방법 및 검출 시스템의 종래 기술의 다이 이미지들 중 하나이다.
도 1b는 본 개시에 따른 검출 방법 및 검출 시스템의 종래 기술의 다이 이미지들 중 다른 하나이다.
도 2는 본 개시에 따른 검출 방법의 흐름도이다.
도 3은 본 개시에 따른 검출 방법의 실시예의 흐름도이다.
도 4a 내지 도 4d는 본 개시에 따른 검출 방법의 예시적인 템플릿 이미지이다.
도 5는 본 개시에 따른 검출 시스템(500)의 개략도이다.Features, advantages and other aspects of various embodiments of the present disclosure will become more apparent with reference to the accompanying drawings and the following detailed description. In this specification, several embodiments of the present disclosure are shown by way of example and not limitation.
1A is one of prior art die images of a detection method and detection system according to the present disclosure;
1B is another one of prior art die images of a detection method and detection system according to the present disclosure;
2 is a flowchart of a detection method according to the present disclosure.
3 is a flowchart of an embodiment of a detection method according to the present disclosure;
4A to 4D are exemplary template images of a detection method according to the present disclosure.
5 is a schematic diagram of a
이하에서, 본 개시의 다양한 예시적인 실시예가 첨부 도면을 참조하여 상세히 설명될 것이다. 도면의 흐름도 및 블록도는 본 개시의 다양한 실시예에 따른 방법 및 장치의 가능한 구현 구성, 기능 및 작동을 예시한다. 흐름도 또는 블록도의 각각의 블록은 모듈, 프로그램 세그먼트 또는 코드의 일부를 나타낼 수 있으며 모듈, 프로그램 세그먼트 또는 코드의 일부는 다양한 실시예에 명시된 논리 기능을 구현하기 위한 하나 이상의 실행 가능한 명령어를 포함할 수 있다. 또한, 몇몇 대안적인 구현예에서 블록에 표시된 기능은 도면에 표시된 순서와 상이한 순서로 발생할 수도 있다. 예를 들어, 연속적으로 도시된 두 개의 블록은 실제로, 실질적으로 병렬로 실행될 수 있거나, 때로는 관련된 기능에 따라서 역순으로 실행될 수도 있다. 흐름도 및/또는 블록도의 각각의 블록뿐만 아니라 흐름도 및/또는 블록도의 블록 조합은 지정된 기능 또는 작동을 수행하는 전용 하드웨어 기반 장치를 사용하여 구현될 수 있거나, 전용 하드웨어와 컴퓨터 명령어의 조합을 사용하여 구현될 수 있다.Hereinafter, various exemplary embodiments of the present disclosure will be described in detail with reference to the accompanying drawings. The flowchart and block diagrams in the drawings illustrate possible implementation configurations, functions, and operations of methods and apparatus in accordance with various embodiments of the present disclosure. Each block in the flowchart or block diagram may represent a module, program segment, or portion of code, which may include one or more executable instructions for implementing the logical functions specified in the various embodiments. have. Also, in some alternative implementations, the functions indicated in the blocks may occur in an order different from the order indicated in the figures. For example, two blocks shown in succession may actually be executed substantially in parallel, or sometimes in reverse order depending on the functionality involved. Each block in the flowcharts and/or block diagrams, as well as combinations of blocks in the flowcharts and/or block diagrams, may be implemented using dedicated hardware-based devices that perform specified functions or operations, or using combinations of dedicated hardware and computer instructions. can be implemented.
본 명세서에서 사용되는 용어 "포함하는(comprising)", "포함하는(including)" 및 이와 유사한 용어는 개방형 용어(open term), 즉 "포함하는/포함하지만 이에 제한되지 않는"으로 이해되어야 하며, 이는 다른 내용도 포함될 수 있음을 의미한다. "~에 기초한"이라는 용어는 "적어도 부분적으로 ~기초한"이다. "일 실시예"라는 용어는 "적어도 하나의 실시예"를 의미하고; "다른 실시예"라는 용어는 "적어도 하나의 추가 실시예" 등을 의미한다.As used herein, the terms "comprising", "including" and similar terms are to be understood as open terms, i.e., "comprising/including but not limited to"; This means that other content may also be included. The term “based on” is “based at least in part on”. the term “one embodiment” means “at least one embodiment”; The term “another embodiment” means “at least one additional embodiment” and the like.
본 발명의 실시예는 주로 다음과 같은 기술적 문제점에 초점이 맞춰지며: 검출되는 물체(예를 들어, 웨이퍼)에 대한 공지된 색차 검출 기술은 일반적으로 적격 웨이퍼를 선택하고, 표준 기준 다이 이미지를 생성하기 위해서 웨이퍼 상의 몇몇 적격 다이의 다이 이미지를 선택한다. 실제 검출 동안에, 검출되는 다이 이미지와 미리 설정된 임계값을 초과하는 표준 기준 다이 이미지 사이의 계조 값 차이로 인해 검출되는 다이 이미지에서 결함이 있다고 오인하거나 작은 대비 및 기타 검출 정확도 문제점을 갖는 결함을 놓치기 쉽다.Embodiments of the present invention are mainly focused on the following technical problems: Known chrominance detection techniques for an object to be detected (e.g., a wafer) generally select a qualified wafer and generate a standard reference die image. To do this, we select a die image of several eligible dies on the wafer. During actual detection, due to the difference in gradation value between the detected die image and the standard reference die image exceeding a preset threshold, it is easy to mistake the detected die image for a defect or miss a defect with small contrast and other detection accuracy problems .
전술한 문제점을 해결하기 위해서, 본 개시에 개시된 검출 방법 및 검출 시스템은 동일한 유형의 웨이퍼 이미지에 대한 상이한 계조 값을 갖는 다이 이미지에 대한 대응하는 템플릿 이미지를 생성하여, 실제 검출 동안에, 검출되는 다이 이미지의 평균 계조 값에 가장 가까운 템플릿 이미지가 검출을 매칭하는데 사용됨으로써, 색차 검출의 검출 결과를 크게 개선한다.In order to solve the above-mentioned problems, the detection method and detection system disclosed in the present disclosure generate a corresponding template image for a die image having different grayscale values for the same type of wafer image, so that, during actual detection, the detected die image The template image closest to the average gradation value of is used to match detection, thereby greatly improving the detection result of color difference detection.
도 2 및 도 3은 검출 방법의 예시적인 흐름도를 도시한다. 이러한 실시예에, 다음 단계가 포함된다:2 and 3 show exemplary flowcharts of a detection method. In this embodiment, the following steps are included:
단계(210): 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계. 구체적으로, 이러한 실시예에서, 복수의 템플릿 이미지는 단일 기준 물체(예를 들어, 단일 웨이퍼) 또는 적어도 2 개의 기준 물체(예를 들어, 적어도 2 개의 웨이퍼)에 기초하여 생성되고; 웨이퍼는 복수의 다이를 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지(즉, 이러한 실시예에서 다이 이미지)이다.Step 210: Generating a plurality of template images based on the reference object. Specifically, in this embodiment, the plurality of template images are generated based on a single reference object (eg, a single wafer) or at least two reference objects (eg, at least two wafers); The wafer includes a plurality of dies, and the plurality of template images are unit images (ie, die images in this embodiment) having different average grayscale values.
이러한 실시예에서, 단계(210)의 특정 작동은 도 3에 도시되고, 구체적으로는 다음과 같다:In this embodiment, the specific operation of
단계(211a): 기준 대상 이미지를 생성하기 위해 기준 물체의 전체 블록을 스캐닝하는 단계. 이러한 실시예에서, 기준 대상 이미지는 복수의 다이 이미지를 포함하는 웨이퍼 이미지이다.Step 211a: Scanning the entire block of reference object to generate a reference object image. In this embodiment, the reference object image is a wafer image comprising a plurality of die images.
단계(212a): 제 1 유닛 이미지 세트를 형성하기 위해서 복수의 유닛 이미지로부터 하나 또는 여러 개의 유닛 이미지를 선택하는 단계. 이러한 실시예에서, 제 1 유닛 이미지 세트, 즉 제 1 다이 이미지 세트는 복수의 다이 이미지들로부터 선택된 하나 또는 여러 개의 다이 이미지들을 포함한다.
예를 들어, 전체 웨이퍼 이미지에서 100 내지 300 개의 다이 이미지가 무작위로 선택되거나 제 1 다이 이미지 세트로서 간격을 두고 선택된다.For example, 100 to 300 die images from the entire wafer image are randomly selected or spaced apart as the first set of die images.
설명의 편의를 위해서, 이러한 실시예에서 12 개의 다이 이미지가 선택될 수 있다.For convenience of explanation, twelve die images may be selected in this embodiment.
단계(213a): 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하여 하나 이상의 계조 등급을 형성하는 단계로서, 각각의 계조 등급은 하나 이상의 다이 이미지를 포함한다. 이러한 실시예에서, 제 1 유닛 이미지 세트는 제 1 다이 이미지 세트이고, 단계(213a)의 구체적인 작동은 다음과 같다:
첫째로, 제 1 다이 이미지 세트의 각각의 다이 이미지의 평균 계조 값을 계산하는 단계.First, calculating an average grayscale value of each die image of the first set of die images.
이러한 실시예에서, 12 개의 다이 이미지의 평균 계조 값이 표 1에 나타나 있다:In this example, the average grayscale values of 12 die images are shown in Table 1:
[표 1][Table 1]
둘째로, 각각 다이 이미지의 계산된 평균 계조 값에 기초하여 제 1 다이 이미지 세트를 정렬하여 제 1 다이 이미지 세트와 연관된 이미지 시퀀스를 생성하는 단계.second, aligning the first set of die images based on the calculated average grayscale values of each die image to generate an image sequence associated with the first set of die images.
이러한 실시예에서, 이미지 시퀀스의 제 1 열은 평균 계조 값에 따라 오름차순으로 정렬된 이미지 이름을 나타내고, 제 2 열은 이에 대응하는 평균 계조 값이다.In this embodiment, the first column of the image sequence represents image names sorted in ascending order according to the average grayscale value, and the second column is the corresponding average grayscale value.
셋째로, 이미지 시퀀스에서, 제 1 평균 계조 값 간격에 기초하여 제 1 다이 이미지 세트를 분류하여, 각각의 계조 등급의 모든 다이 이미지의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 이내에 있게 한다.Third, in the image sequence, classify the first die image set based on the first average grayscale value interval so that the difference between the average grayscale values of all die images of each grayscale class is within the first average grayscale value.
본 발명에서, 제 1 평균 계조값 간격의 값은 5 내지 20에서 어느 하나의 값이다. 실제 적용에서, 제 1 평균 계조 값 간격의 값은 선택된 제 1 다이 이미지 세트의 계조값 범위에 따라 결정된다. 예를 들어, 선택된 제 1 다이 이미지 세트의 계조 값 범위가 20 내지 150, 10 내지 130일 때, 제 1 평균 계조 값 간격은 10으로 설정될 수 있으며; 선택된 제 1 다이 이미지 세트의 계조 값 범위가 10 내지 160일 때, 제 1 평균 계조값 간격은 20으로 설정될 수 있다. 이러한 실시예에서, 제 1 평균 계조 값 간격은 10으로 설정될 수 있고, 표 1의 12 개의 다이 이미지는 표 2a 내지 표 2d에 나타낸 바와 같이 4 개의 계조 등급으로 분할될 수 있다:In the present invention, the value of the first average grayscale value interval is any one of 5 to 20. In practical application, the value of the first average grayscale value interval is determined according to the grayscale value range of the selected first die image set. For example, when the grayscale value range of the selected first die image set is 20 to 150 and 10 to 130, the first average grayscale value interval may be set to 10; When the grayscale value range of the selected first die image set is 10 to 160, the first average grayscale value interval may be set to 20. In this embodiment, the first average grayscale value interval may be set to 10, and the 12 die images in Table 1 may be divided into four grayscale classes as shown in Tables 2a to 2d:
[표 2a][Table 2a]
[표 2b][Table 2b]
[표 2c][Table 2c]
[표 2d][Table 2d]
단계(214a): 각각의 계조 등급의 모든 유닛 이미지에 기초하여 대응하는 평균 계조 이미지를 생성하는 단계.
도 4a 내지 도 4d에 도시된 바와 같이, 대응하는 평균 계조 이미지는 각각 표 2a 내지 표 2d에 따라 생성된다. 구체적으로, 예를 들어, 대응하는 평균 계조 이미지(도 4a에 도시됨)는 표 2a 등에 개시된 제 1 계조 등급의 2 개의 이미지에서 각각의 픽셀의 평균 계조 값을 사용하여, 각각 제 2 계조, 제 3 계조 및 제 4 계조에 대응하는 평균 계조 이미지(예를 들어, 도 4b, 도 4c 및 도 4d)에 대해 생성된다.4A to 4D, corresponding average grayscale images are generated according to Tables 2A to 2D, respectively. Specifically, for example, the corresponding average gradation image (shown in Fig. 4A) is obtained by using the average gradation value of each pixel in the two images of the first gradation class disclosed in Table 2A and the like, respectively, for the second gradation and the second gradation. An average grayscale image (eg, FIGS. 4B, 4C, and 4D) corresponding to the third grayscale and the fourth grayscale is generated.
각각의 계조 등급의 평균 계조 이미지의 평균 계조 값이 생성된다(예를 들어, 평균 방법 또는 중간 방법을 사용함). 이러한 실시예에서, 평균 방법은 다음과 같이 각각의 계조 등급의 평균 계조 이미지의 평균 계조 값을 계산하는데 사용된다:An average grayscale value of the average grayscale image of each grayscale class is generated (using, for example, the average method or the intermediate method). In this embodiment, the average method is used to calculate the average grayscale value of the average grayscale image of each grayscale class as follows:
평균 계조 값(도 4a에 도시된 제 1 계조 등급의 평균 계조 이미지) = 50.6;average gradation value (average gradation image of the first gradation class shown in Fig. 4A) = 50.6;
평균 계조 값(도 4b에 도시된 제 2 계조 등급의 평균 계조 이미지) = 61.1;average gradation value (average gradation image of the second gradation class shown in Fig. 4B) = 61.1;
평균 계조 값(도 4c에 도시된 제 3 계조 등급의 평균 계조 이미지) = 71.0;average gradation value (average gradation image of the third gradation class shown in Fig. 4C) = 71.0;
평균 계조 값(도 4d에 도시된 제 4 계조 등급의 평균 계조 이미지) = 82.3.Average gradation value (average gradation image of the fourth gradation class shown in Fig. 4D) = 82.3.
단계(215a): 각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계.
이러한 실시예에서, 템플릿 이미지의 평균 계조 값 세트 = {50.6, 61.1, 71.0, 82.3}이다.In this embodiment, the average gradation value set of the template image = {50.6, 61.1, 71.0, 82.3}.
하나의 웨이퍼에 기초한 복수의 템플릿 이미지를 생성할 때, 각각의 평균 계조 이미지는 템플릿 이미지로서 저장될 수 있거나, 모든 평균 계조 이미지의 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작은 경우에 복수의 제 2 평균 계조 이미지 중 어느 하나가 템플릿 이미지로서 유지된다.When generating a plurality of template images based on one wafer, each average grayscale image may be stored as a template image, or the average grayscale value difference between an arbitrary number of average grayscale images of all average grayscale images is the second Any one of the plurality of second average grayscale images is maintained as the template image when it is smaller than the second average grayscale value of the grayscale value interval.
또한, 이러한 실시예에서, 복수의 웨이퍼(적어도 부분적으로 중첩되지 않는 계조 값 범위를 가짐)에 기초하여 복수의 템플릿 이미지가 생성된다. 예를 들어, 제 1 웨이퍼의 계조 값 범위가 30 내지 80이고 제 2 웨이퍼의 계조 값 범위가 50 내지 120이면, 생성된 복수의 템플릿 이미지의 계조 값 범위는 30 내지 120에 도달하여 색차 검출 범위를 확장할 수 있다.Further, in this embodiment, a plurality of template images are generated based on a plurality of wafers (having at least partially non-overlapping grayscale value ranges). For example, if the grayscale value range of the first wafer is 30 to 80 and the grayscale value range of the second wafer is 50 to 120, the grayscale value range of the generated plurality of template images reaches 30 to 120 to increase the color difference detection range can be expanded
단계(211a 내지 214a)를 수행한 후, 단계(215a)는 구체적으로 다음을 포함한다:After performing steps 211a to 214a,
첫째로, 기준 물체에 대해 생성된 대응하는 평균 계조 이미지에서 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격보다 더 작은 지의 여부를 결정하는 단계.First, determining whether an average grayscale value difference between an arbitrary number of average grayscale images in a corresponding average grayscale image generated for a reference object is smaller than a second grayscale value interval.
둘째로, 평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작을 때, 복수의 제 2 평균 계조 이미지 중 어느 하나를 템플릿 이미지로서 유지하는 단계.Second, when the average grayscale value difference is smaller than the second average grayscale value of the second grayscale value interval, maintaining any one of the plurality of second average grayscale images as a template image.
이러한 실시예에서, 제 1 웨이퍼 및 제 2 웨이퍼에 의해 생성된 모든 평균 계조 이미지에 대응하는 평균 계조 값이 정렬되며, 예를 들어 제 1 웨이퍼에 의해 생성된 평균 계조 이미지의 평균 계조 값 세트는 gold1{golden1_1, golden1_2,..., golden1_n1}이고, 제 2 웨이퍼에 의해 생성된 평균 계조 이미지의 평균 계조 값 세트는 golden2{golden2_1, golden2_2,..., golden2_n2}이고, 평균 계조 이미지의 조합된 평균 계조 값 세트는 n1 + n2 개의 평균 계조 이미지를 포함한다.In this embodiment, the average grayscale values corresponding to all average grayscale images generated by the first wafer and the second wafer are aligned, for example, the average grayscale value set of the average grayscale images generated by the first wafer is gold1 {golden1_1, golden1_2,..., golden1_n1}, the average grayscale value set of the average grayscale image generated by the second wafer is golden2{golden2_1, golden2_2,..., golden2_n2}, and the combined average of the average grayscale image The grayscale value set includes n1 + n2 average grayscale images.
n1+n2 개의 평균 계조 값 중 임의의 2 개 이상의 평균 계조 값 사이의 차이가 제 2 계조 값 간격보다 더 작은 지의 여부가 결정되고, 그렇다면 이들 평균 계조 값을 갖는 어느 하나의 평균 계조 이미지만이 남아 있다.It is determined whether the difference between any two or more average grayscale values among the n1+n2 average grayscale values is smaller than the second grayscale value interval, and if so, only any one average grayscale image having these average grayscale values remains have.
전술한 나머지 평균 계조 이미지는 템플릿 이미지로서 저장되며, 이는 저장 공간의 소모를 감소시킬 수 있을 뿐만 아니라 색차 검출 범위를 확장하는 한편, 색차 검출 효율 및 적용 범위를 개선할 수 있다.The remaining average grayscale image described above is stored as a template image, which can reduce the consumption of storage space and extend the color difference detection range, while improving the color difference detection efficiency and application range.
또한, 복수의 웨이퍼에 기초하여 복수의 템플릿 이미지가 생성될 때, 모든 평균 계조 이미지가 템플릿 이미지로서 또한 저장될 수 있다.Further, when a plurality of template images are generated based on a plurality of wafers, all average grayscale images may also be stored as template images.
단계(210), 후속 검출 정확도를 개선하기 위해서 동일한 웨이퍼 또는 상이한 웨이퍼의 상이한 계조 값을 갖는 다이 이미지에 대한 대응 템플릿 이미지를 형성하는 단계.
단계(220): 검출되는 다이 이미지의 제 1 평균 계조 값을 계산하는 단계.Step 220: Calculating a first average grayscale value of the detected die image.
단계(230): 제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지로부터 제 1 템플릿 이미지를 선택하는 단계로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작다.Step 230: A step of selecting a first template image from a plurality of template images based on the first average grayscale value, wherein the difference between the average grayscale value of the first template image and the first average grayscale value is smallest.
예를 들어, 검출되는 다이 이미지의 제 1 평균 계조 값이 63과 같을 때, 평균 계조 값 = 61.1을 갖는 제 2 계조 등급에 대응하는 템플릿 이미지(예를 들어, 도 4b)는 제 1 템플릿 이미지로서 템플릿 이미지의 평균 계조 값 세트로부터 선택된다.For example, when the first average gradation value of the detected die image is equal to 63, the template image corresponding to the second gradation class having the average gradation value = 61.1 (eg, FIG. 4B ) is the first template image The template image is selected from a set of average grayscale values.
단계(240): 제 1 템플릿 이미지에 기초하여 검출되는 다이 이미지에 대해 색차 검출을 수행하는 단계.Step 240: performing color difference detection on the detected die image based on the first template image.
이러한 실시예에서, 단계(240)의 구체적인 작동은 다음과 같다:In this embodiment, the specific operation of
첫째로, 제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는지 여부를 결정하는 단계;First, determining whether an average grayscale value difference between a pixel point of a first template image and a corresponding pixel point of a unit image to be detected exceeds a predetermined threshold value;
둘째로, 평균 계조 값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진다고 결정하는 단계.Second, determining that the detected unit image has a defect when the average gradation value difference exceeds a predetermined threshold.
이러한 실시예에서 구현된 검출 방법에서, 검출되는 다이 이미지의 평균 계조 값이 검출 공정 동안 요구되고, 매칭 및 비교를 위해 템플릿 이미지의 평균 계조 값 세트에서 가장 가까운 템플릿 이미지를 찾아낼 필요가 있지만, 알고리즘은 간단하고 시간 소모적인 검출은 심지어 무시할 수 있다. 또한, 검출되는 다이 이미지의 평균 계조 값에 가장 가까운 템플릿 이미지를 사용하여 매칭하고 검출하면 검출되는 다이 이미지와 템플릿 이미지의 차이를 크게 감소시킴으로써 오검출 및 검출 누락 현상을 감소시키고, 궁극적으로 색차 검출 효과를 개선한다.In the detection method implemented in this embodiment, the average gradation value of the die image to be detected is required during the detection process, and it is necessary to find the closest template image from the set of average gradation values of the template image for matching and comparison, but the algorithm A simple and time-consuming detection is even negligible. In addition, when matching and detecting using a template image closest to the average gradation value of the detected die image, the difference between the detected die image and the template image is greatly reduced, thereby reducing false detection and detection omission, and ultimately, the color difference detection effect to improve
도 5는 도 2 및 도 3에 도시된 방법을 구현하기 위한 검출 시스템(500)의 개략적인 블록도를 도시하며, 검출 시스템(500)은 생성 모듈(510), 계산 모듈(520), 선택 모듈(530) 및 검출 모듈(540)을 포함한다.5 shows a schematic block diagram of a
본 개시에서, 생성 모듈(510)은 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하도록 구성되며, 기준 물체는 복수의 유닛을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지이다. 계산 모듈(520)은 검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하도록 구성되고; 선택 모듈(530)은 제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지로 구성되고, 여기서 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값의 차이가 가장 작고; 검출 모듈(540)은 제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지에 대한 색차 검출을 수행하도록 구성된다.In the present disclosure, the
구체적으로, 생성 모듈(510)은 스캐닝 유닛, 형성 유닛, 분류 유닛, 발생 유닛 및 저장 유닛을 포함하며, 그에 따라서 도 3의 단계(211a 내지 215a)를 구현할 수 있다. 또한, 분류 유닛은 계산 하위 유닛, 정렬 하위 유닛 및 분류 하위 유닛을 포함하고, 여기서 계산 하위 유닛은 제 1 유닛 이미지 세트의 각각의 유닛 이미지의 평균 계조 값을 계산하도록 구성되고; 정렬 하위 유닛은 각각의 유닛 이미지의 계산된 평균 계조 값에 기초하여 제 1 유닛 이미지 세트를 정렬함으로써 제 1 유닛 이미지 세트와 연관된 이미지 시퀀스를 생성하도록 구성되고; 분류 하위 유닛은 각각의 계조 등급의 모든 유닛 이미지의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 간격 이내에 있도록 이미지 시퀀스의 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하도록 구성된다.Specifically, the
또한, 검출 모듈(540)은 제 1 검출 유닛 및 제 2 검출 유닛을 포함하고, 제 1 검출 유닛은 제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응하는 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는 지를 결정하도록 구성되고; 제 2 검출 유닛은 평균 계조값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진 것으로 결정하도록 구성된다.In addition, the
한편으로, 본 명세서에 개시된 검출 시스템은 검출되는 유닛 이미지의 평균 계조 값에 가장 가까운 템플릿 이미지를 선택하여 검출되는 유닛 이미지를 매칭하고 검출하고, 오검출 및 검출 누락의 발생을 방지하고, 색차 검출 결과의 정확도를 개선하고; 다른 한편으로 본 명세서에 개시된 검출 알고리즘은 기존의 색차 검출 기술에 비해서 간단하고, 검출 속도가 빠르고, 검출 효율이 개선된다.On the other hand, the detection system disclosed herein matches and detects the detected unit image by selecting the template image closest to the average gradation value of the detected unit image, prevents the occurrence of erroneous detection and detection omission, and results in color difference detection improve the accuracy of; On the other hand, the detection algorithm disclosed herein is simple, has a high detection speed, and has improved detection efficiency compared to the existing color difference detection technology.
전술한 내용은 본 개시의 실시예의 선택적인 실시예일 뿐이며, 본 개시의 실시예를 한정하는데 사용되지 않는다. 변형 및 수정이 본 개시의 실시예 내에서 수행될 수 있음은 당업자에게 자명할 것이다. 본 개시의 실시예의 사상과 원리 내에서 이루어진 임의의 수정, 균등한 교체, 개선 등은 본 개시의 실시예의 보호 범주 내에 포함되어야 한다.The above description is only an optional example of the embodiment of the present disclosure, and is not used to limit the embodiment of the present disclosure. It will be apparent to those skilled in the art that variations and modifications may be practiced within the embodiments of the present disclosure. Any modification, equivalent replacement, improvement, etc. made within the spirit and principle of the embodiment of the present disclosure should be included within the protection scope of the embodiment of the present disclosure.
본 개시의 실시예가 몇몇 여러 특정 실시예를 참조하여 설명되었지만, 본 개시의 실시예는 개시된 특정 실시예로 제한되지 않는다는 것을 이해해야 한다. 본 개시의 실시예는 첨부된 청구범위의 사상 및 범주 내에 있는 다양한 수정 및 등가 배열을 포함하도록 의도된다. 첨부된 청구범위의 범주는 그러한 모든 수정 및 등가 구조 및 기능을 포함하도록 가장 넓은 해석에 따른다.Although embodiments of the present disclosure have been described with reference to several several specific embodiments, it should be understood that the embodiments of the present disclosure are not limited to the specific embodiments disclosed. The embodiments of the present disclosure are intended to cover various modifications and equivalent arrangements falling within the spirit and scope of the appended claims. The scope of the appended claims is to be accorded the broadest interpretation so as to encompass all such modifications and equivalent structures and functions.
Claims (12)
기준 물체에 기초하여 복수의 템플릿 이미지(template image)를 생성하는 단계로서, 기준 물체는 복수의 유닛(unit)을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지인, 단계;
검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하는 단계;
제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지를 선택하는 단계로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작은, 단계; 및
제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하는 단계를 포함하는,
검출 방법.A detection method comprising:
generating a plurality of template images based on a reference object, wherein the reference object includes a plurality of units, wherein the plurality of template images are unit images having different average grayscale values;
calculating a first average grayscale value of the detected unit image;
selecting a first template image from a plurality of template images based on the first average grayscale value, wherein a difference between the average grayscale value of the first template image and the first average grayscale value is smallest; and
performing color difference detection on the detected unit image based on the first template image;
detection method.
기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계는:
복수의 유닛 이미지를 포함하는 기준 물체 이미지를 생성하도록 기준 물체를 스캔하는 단계;
제 1 유닛 이미지 세트를 형성하도록 복수의 유닛 이미지로부터 하나 또는 여러 개의 유닛 이미지를 선택하는 단계;
제 1 평균 계조 값 간격에 기초하여 하나 이상의 계조 등급을 형성하도록 제 1 유닛 이미지 세트를 분류(classifying)하는 단계로서, 각각의 계조 등급이 하나 이상의 유닛 이미지를 포함하는, 단계;
각각의 계조 등급의 모든 유닛 이미지에 기초하여 대응하는 평균 계조 이미지를 생성하는 단계; 및
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계를 포함하는,
검출 방법.The method of claim 1,
The step of generating a plurality of template images based on the reference object includes:
scanning the reference object to generate a reference object image including a plurality of unit images;
selecting one or several unit images from a plurality of unit images to form a first unit image set;
classifying the first set of unit images to form one or more gradation classes based on the first average gradation value interval, each gradation class including one or more unit images;
generating a corresponding average grayscale image based on all unit images of each grayscale class; and
forming a template image according to the average grayscale image of each grayscale grade;
detection method.
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계는:
기준 물체에 대해 생성된 대응하는 평균 계조 이미지 중 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격보다 더 작은지 여부를 결정하는 단계;
평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작을 때, 복수의 제 2 평균 계조 이미지 중 어느 하나를 템플릿 이미지로 유지하는 단계를 포함하고; 또는
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하는 단계는:
모든 평균 계조 이미지를 템플릿 이미지로 사용하는 단계를 포함하는,
검출 방법.3. The method of claim 2,
The steps of forming the template image according to the average grayscale image of each grayscale grade include:
determining whether a difference in average grayscale values between any number of average grayscale images among corresponding average grayscale images generated for a reference object is smaller than a second grayscale value interval;
maintaining any one of the plurality of second average grayscale images as a template image when the average grayscale value difference is smaller than the second average grayscale value of the second grayscale value interval; or
The steps of forming the template image according to the average grayscale image of each grayscale grade include:
using all average grayscale images as template images;
detection method.
기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계는:
단일 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계; 또는
적어도 2 개의 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하는 단계로서, 적어도 2 개의 기준 물체의 계조 값 범위는 적어도 부분적으로 중첩되지 않는, 단계를 포함하는,
검출 방법.4. The method of claim 3,
The step of generating a plurality of template images based on the reference object includes:
generating a plurality of template images based on a single reference object; or
generating a plurality of template images based on at least two reference objects, wherein grayscale value ranges of the at least two reference objects do not at least partially overlap;
detection method.
하나 이상의 계조 등급을 형성하도록 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하는 단계는:
제 1 유닛 이미지 세트의 각각의 유닛 이미지의 평균 계조 값을 계산하는 단계;
제 1 유닛 이미지 세트와 연관된 이미지 시퀀스를 생성하도록 각각의 유닛 이미지의 계산된 평균 계조 값에 기초하여 제 1 유닛 이미지 세트를 정렬(sorting)하는 단계; 및
이미지 시퀀스에서, 각각의 계조 등급의 모든 유닛 이미지들의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 간격 내에 있도록 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하는 단계를 포함하는,
검출 방법.3. The method of claim 2,
Classifying the first unit image set based on the first average grayscale value interval to form one or more grayscale grades includes:
calculating an average grayscale value of each unit image of the first unit image set;
sorting the first unit image set based on the calculated average grayscale value of each unit image to generate an image sequence associated with the first unit image set; and
classifying the first unit image set based on the first average gradation value interval such that, in the image sequence, the difference between the average gradation values of all unit images of each gradation class is within the first average gradation value interval,
detection method.
제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하는 단계는:
제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응하는 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는지 여부를 결정하는 단계; 및
평균 계조 값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진 것으로 결정하는 단계를 포함하는,
검출 방법.The method of claim 1,
The step of performing color difference detection on the unit image detected based on the first template image includes:
determining whether an average grayscale value difference between a pixel point of the first template image and a corresponding pixel point of the unit image to be detected exceeds a predetermined threshold value; and
determining that the detected unit image has a defect when the average gradation value difference exceeds a predetermined threshold,
detection method.
기준 물체에 기초하여 복수의 템플릿 이미지를 생성하도록 구성되는 생성 모듈(creation module)로서, 기준 물체는 복수의 유닛을 포함하고, 복수의 템플릿 이미지는 상이한 평균 계조 값을 갖는 유닛 이미지인, 생성 모듈;
검출되는 유닛 이미지의 제 1 평균 계조 값을 계산하도록 구성되는 계산 모듈(calculation module);
제 1 평균 계조 값에 기초하여 복수의 템플릿 이미지들로부터 제 1 템플릿 이미지를 선택하도록 구성되는 선택 모듈로서, 제 1 템플릿 이미지의 평균 계조 값과 제 1 평균 계조 값 사이의 차이가 가장 작은, 선택 모듈(selection module); 및
제 1 템플릿 이미지에 기초하여 검출되는 유닛 이미지 상에서 색차 검출을 수행하도록 구성되는 검출 모듈(detection module)을 포함하는,
검출 시스템.A detection system comprising:
a creation module, configured to generate a plurality of template images based on a reference object, wherein the reference object includes a plurality of units, wherein the plurality of template images are unit images having different average grayscale values;
a calculation module, configured to calculate a first average grayscale value of the detected unit image;
A selection module, configured to select a first template image from a plurality of template images based on the first average grayscale value, wherein a difference between the average grayscale value of the first template image and the first average grayscale value is smallest; (selection module); and
a detection module, configured to perform color difference detection on the unit image detected based on the first template image;
detection system.
생성 모듈은:
복수의 유닛 이미지를 포함하는 기준 물체 이미지를 생성하도록 기준 물체를 스캔하도록 구성되는 스캔 유닛(scanning unit);
제 1 유닛 이미지 세트를 형성하도록 복수의 유닛 이미지로부터 하나 또는 여러 개의 유닛 이미지를 선택하도록 구성되는 형성 유닛(forming unit);
제 1 평균 계조 값 간격에 기초하여 하나 이상의 계조 등급을 형성하기 위해서 제 1 유닛 이미지 세트를 분류하도록 구성되는 분류 유닛(classifying unit)으로서, 각각의 계조 등급이 하나 이상의 유닛 이미지를 포함하는, 분류 유닛;
각각의 계조 등급의 모든 유닛 이미지에 기초하여 대응하는 평균 계조 이미지를 발생하도록 구성되는 발생 유닛(generating unit); 및
각각의 계조 등급의 평균 계조 이미지에 따라서 템플릿 이미지를 형성하도록 구성되는 저장 유닛(storing unit)을 포함하는,
검출 시스템.8. The method of claim 7,
The creation module is:
a scanning unit configured to scan the reference object to generate a reference object image comprising a plurality of unit images;
a forming unit, configured to select one or several unit images from a plurality of unit images to form a first unit image set;
a classifying unit, configured to classify a first set of unit images to form one or more gradation classes based on a first average gradation value interval, wherein each gradation class includes one or more unit images ;
a generating unit configured to generate a corresponding average gradation image based on all unit images of each gradation class; and
a storage unit, configured to form a template image according to the average gradation image of each gradation class;
detection system.
저장 유닛은:
기준 물체에 대해 생성된 대응하는 평균 계조 이미지 중 임의의 개수의 평균 계조 이미지들 사이의 평균 계조 값 차이가 제 2 계조 값 간격보다 더 작은지 여부를 결정하고;
평균 계조 값 차이가 제 2 계조 값 간격의 제 2 평균 계조 값보다 더 작을 때, 복수의 제 2 평균 계조 이미지 중 어느 하나를 템플릿 이미지로 유지하도록 구성되고; 또는
저장 유닛은:
모든 평균 계조 이미지를 템플릿 이미지로 사용하도록 구성되는,
검출 시스템.9. The method of claim 8,
The storage unit is:
determine whether an average gradation value difference between any number of average gradation images among corresponding average gradation images generated for the reference object is smaller than a second gradation value interval;
and when the average grayscale value difference is smaller than the second average grayscale value of the second grayscale value interval, keep any one of the plurality of second average grayscale images as the template image; or
The storage unit is:
configured to use all average grayscale images as template images,
detection system.
생성 모듈은:
단일 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하고; 또는
적어도 2 개의 기준 물체에 기초하여 복수의 템플릿 이미지를 생성하도록 구성되며, 적어도 2 개의 기준 물체의 계조 값 범위는 적어도 부분적으로 중첩되지 않는,
검출 시스템.10. The method of claim 9,
The creation module is:
generate a plurality of template images based on a single reference object; or
and generate a plurality of template images based on the at least two reference objects, wherein grayscale value ranges of the at least two reference objects do not at least partially overlap;
detection system.
분류 유닛은:
제 1 유닛 이미지 세트의 각각의 유닛 이미지의 평균 계조 값을 계산하도록 구성되는 계산 하위 유닛;
제 1 유닛 이미지 세트와 연관된 이미지 시퀀스를 생성하기 위해서 각각의 유닛 이미지의 계산된 평균 계조 값에 기초하여 제 1 유닛 이미지 세트를 정렬하도록 구성되는 정렬 하위 유닛; 및
각각의 계조 등급의 모든 유닛 이미지들의 평균 계조 값들 사이의 차이가 제 1 평균 계조 값 간격 내에 있게 하기 위해서 이미지 시퀀스 내에서 제 1 평균 계조 값 간격에 기초하여 제 1 유닛 이미지 세트를 분류하도록 구성되는 분류 하위 유닛을 포함하는,
검출 시스템.9. The method of claim 8,
The classification unit is:
a calculation sub-unit, configured to calculate an average gradation value of each unit image of the first unit image set;
an alignment sub-unit, configured to align the first unit image set based on the calculated average grayscale value of each unit image to generate an image sequence associated with the first unit image set; and
Classification configured to classify the first unit image set based on the first average grayscale value interval in the image sequence so that a difference between the average grayscale values of all unit images of each grayscale class is within the first average grayscale value interval containing sub-units,
detection system.
검출 모듈은:
제 1 템플릿 이미지의 픽셀 지점과 검출되는 유닛 이미지의 대응하는 픽셀 지점 사이의 평균 계조 값 차이가 미리 결정된 임계값을 초과하는지 여부를 결정하도록 구성되는 제 1 검출 유닛; 및
평균 계조 값 차이가 미리 결정된 임계값을 초과하는 경우에 검출되는 유닛 이미지가 결함을 가진 것으로 결정하도록 구성되는 제 2 검출 유닛을 포함하는,
검출 시스템.8. The method of claim 7,
The detection module is:
a first detecting unit, configured to determine whether an average grayscale value difference between a pixel point of the first template image and a corresponding pixel point of the unit image to be detected exceeds a predetermined threshold value; and
a second detecting unit, configured to determine that the detected unit image has a defect when the average gradation value difference exceeds a predetermined threshold value;
detection system.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910215621.4A CN111724335A (en) | 2019-03-21 | 2019-03-21 | Detection method and detection system |
| CN201910215621.4 | 2019-03-21 | ||
| PCT/CN2020/080419 WO2020187319A1 (en) | 2019-03-21 | 2020-03-20 | Detection method and detection system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210154164A true KR20210154164A (en) | 2021-12-20 |
Family
ID=72518997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217033990A KR20210154164A (en) | 2019-03-21 | 2020-03-20 | Detection method and detection system |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11881186B2 (en) |
| KR (1) | KR20210154164A (en) |
| CN (1) | CN111724335A (en) |
| SG (1) | SG11202110410UA (en) |
| WO (1) | WO2020187319A1 (en) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112730251B (en) * | 2020-12-30 | 2023-09-26 | 凌云光技术股份有限公司 | Device and method for detecting screen color defects |
| CN112767396B (en) * | 2021-04-07 | 2021-07-20 | 深圳中科飞测科技股份有限公司 | Defect detection method, defect detection device and computer-readable storage medium |
| CN112767397B (en) * | 2021-04-07 | 2021-07-20 | 深圳中科飞测科技股份有限公司 | Workpiece detection method, workpiece detection device, and storage medium |
| CN113570604B (en) * | 2021-09-28 | 2022-01-14 | 武汉精创电子技术有限公司 | Automatic generation method and device for crystal grain detection sample |
| CN113744274B (en) * | 2021-11-08 | 2022-02-08 | 深圳市巨力方视觉技术有限公司 | Product appearance defect detection method and device and storage medium |
| CN114420619B (en) * | 2022-03-30 | 2022-07-01 | 晶芯成(北京)科技有限公司 | Wafer alignment device and method, and wafer testing method |
| CN116703741B (en) * | 2022-09-27 | 2024-03-15 | 荣耀终端有限公司 | Image contrast generation method and device and electronic equipment |
| CN116168039B (en) * | 2023-04-26 | 2023-07-14 | 济宁市新华电力特种材料有限公司 | Environment-friendly energy-saving aluminum silicate plate quality detection method |
Family Cites Families (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100474571B1 (en) * | 2002-09-23 | 2005-03-10 | 삼성전자주식회사 | Method of setting reference images, method and apparatus using the setting method for inspecting patterns on a wafer |
| US20060160608A1 (en) * | 2005-01-14 | 2006-07-20 | Hill Otho D | Card game system with automatic bet recognition |
| US7706606B1 (en) * | 2006-05-31 | 2010-04-27 | Adobe Systems Incorporated | Fast, adaptive color to grayscale conversion |
| CN100499057C (en) * | 2006-06-12 | 2009-06-10 | 中芯国际集成电路制造(上海)有限公司 | Chip detection method |
| JP2008139201A (en) * | 2006-12-04 | 2008-06-19 | Tokyo Electron Ltd | Apparatus and method for detecting defect, apparatus and method for processing information, and its program |
| CN101329281B (en) | 2007-06-20 | 2011-08-10 | 佛山普立华科技有限公司 | System and method for testing image sensing wafer stain and |
| KR20090100615A (en) * | 2008-03-20 | 2009-09-24 | 삼성전자주식회사 | Method of detecting a defect on an object |
| US8660342B2 (en) * | 2012-01-24 | 2014-02-25 | Telefonica, S.A. | Method to assess aesthetic quality of photographs |
| JP5937878B2 (en) * | 2012-04-24 | 2016-06-22 | 株式会社日立ハイテクノロジーズ | Pattern matching method and apparatus |
| US9311698B2 (en) * | 2013-01-09 | 2016-04-12 | Kla-Tencor Corp. | Detecting defects on a wafer using template image matching |
| US10127652B2 (en) * | 2014-02-06 | 2018-11-13 | Kla-Tencor Corp. | Defect detection and classification based on attributes determined from a standard reference image |
| CN104900553B (en) * | 2014-03-07 | 2018-05-01 | 中芯国际集成电路制造(上海)有限公司 | Wafer defect detection method |
| US10607334B2 (en) * | 2014-12-09 | 2020-03-31 | Asml Netherlands B.V. | Method and apparatus for image analysis |
| EP3292406B1 (en) * | 2015-05-07 | 2021-12-01 | Technology Innovation Momentum Fund (Israel) Limited Partnership | Interferometric system and method for use with biological cells and organisms including sperm |
| JP2017053674A (en) * | 2015-09-08 | 2017-03-16 | 株式会社ニューフレアテクノロジー | Displacement amount measurement method of pattern width dimension and pattern inspection device |
| US10129450B2 (en) * | 2015-10-02 | 2018-11-13 | Tareq Issam Nabhan | System and method for ophthalmological imaging adapted to a mobile processing device |
| CN105548208B (en) * | 2016-02-05 | 2018-10-19 | 湖北工业大学 | A kind of ceramic cartridge detection method of surface flaw based on machine vision |
| CN105957238B (en) * | 2016-05-20 | 2019-02-19 | 聚龙股份有限公司 | A kind of paper currency management method and its system |
| WO2018035538A1 (en) * | 2016-08-19 | 2018-02-22 | Levi Strauss & Co. | Laser finishing of apparel |
| WO2018049598A1 (en) * | 2016-09-14 | 2018-03-22 | 深圳大学 | Ocular fundus image enhancement method and system |
| CN106600600A (en) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | Wafer defect detection method based on characteristic matching |
| CN108269394B (en) * | 2016-12-30 | 2022-12-23 | 富泰华工业（深圳）有限公司 | Safety control method, traffic warning system, user terminal and monitoring device |
| US10522322B2 (en) * | 2017-04-13 | 2019-12-31 | Fractilia, Llc | System and method for generating and analyzing roughness measurements |
| US10460434B2 (en) * | 2017-08-22 | 2019-10-29 | Applied Materials Israel Ltd. | Method of defect detection and system thereof |
| CN107730493A (en) * | 2017-10-24 | 2018-02-23 | 广东天机工业智能系统有限公司 | Product colour difference detecting method, device, medium and computer equipment |
| CN108182383B (en) * | 2017-12-07 | 2021-07-20 | 浙江大华技术股份有限公司 | Vehicle window detection method and device |
| US11081139B2 (en) * | 2018-10-12 | 2021-08-03 | Adobe Inc. | Video inpainting via confidence-weighted motion estimation |
-
2019
- 2019-03-21 CN CN201910215621.4A patent/CN111724335A/en active Pending
-
2020
- 2020-03-20 KR KR1020217033990A patent/KR20210154164A/en not_active Application Discontinuation
- 2020-03-20 US US17/441,411 patent/US11881186B2/en active Active
- 2020-03-20 SG SG11202110410UA patent/SG11202110410UA/en unknown
- 2020-03-20 WO PCT/CN2020/080419 patent/WO2020187319A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| US11881186B2 (en) | 2024-01-23 |
| US20220189426A1 (en) | 2022-06-16 |
| SG11202110410UA (en) | 2021-10-28 |
| WO2020187319A1 (en) | 2020-09-24 |
| CN111724335A (en) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210154164A (en) | Detection method and detection system | |
| JP2018005639A (en) | Image classification device, image inspection device, and program | |
| JP2003085558A (en) | Method of pattern inspection and inspection device | |
| CN106780464A (en) | A kind of fabric defect detection method based on improvement Threshold segmentation | |
| CN109724988B (en) | PCB defect positioning method based on multi-template matching | |
| JP3741672B2 (en) | Image feature learning type defect detection method, defect detection apparatus, and defect detection program | |
| JP2005172559A (en) | Method and device for detecting line defect on panel | |
| CN111597941A (en) | Target detection method for dam defect image | |
| US9052295B2 (en) | Panel inspection method and apparatus | |
| WO2015015945A1 (en) | Defect candidate specification device, defect candidate specification method, defect determination device, defect inspection device, defect candidate specification program, and recording medium | |
| KR101751681B1 (en) | System for detecting foreign substance | |
| CN109671081B (en) | Bad cluster statistical method and device based on FPGA lookup table | |
| CN104198495A (en) | Method for detecting step evolution abnormality of semiconductor substrate | |
| US8811741B2 (en) | Differentiated processing method of image zones | |
| CN112767397B (en) | Workpiece detection method, workpiece detection device, and storage medium | |
| US11644427B2 (en) | Automatic detection method and automatic detection system for detecting crack on wafer edges | |
| US20210152745A1 (en) | Defect Observation Machine and Image Analysis and Compensation Method Thereof | |
| JP2016032265A (en) | Image processing system | |
| US8903189B2 (en) | Image processing method | |
| JP6971894B2 (en) | Image processing device | |
| US20040228516A1 (en) | Defect detection method | |
| JP2009097923A (en) | Defect detecting device and defect detection method | |
| US11514580B2 (en) | Image processing circuit and method | |
| JP2009043111A (en) | Image processing method | |
| JP2020085705A (en) | Determination device and determination method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |